Pi+OpenCode Go+Herdr：极简Harness每月省出六倍token！
内容提要
本文探讨AI编程工具效率差异的关键在于“鞍具”（harness）而非模型本身。Pi以极简提示词（约200 token）实现高完成率和低成本，而Claude Code等复杂工具消耗大量token，成本差达六倍。OpenCode Go提供月费模型入口，Herdr支持代理编排。作者强调工具应透明、可控，选择需匹配模型与工作流，避免被工具绑架。
延伸解读
鞍具与模型的配对关系
文章强调，AI编程工具的效率差异主要来自鞍具（harness）而非模型本身。Composio的测试显示，同一模型在不同鞍具下完成率可相差近一半，token消耗可差六倍。Moonshot的警告也表明，某些模型依赖鞍具保留思考历史，不适合“裸奔”。因此，选择工具时需考虑模型与鞍具的匹配，而非盲目追求极简或复杂。
成本结构的隐藏陷阱
OpenCode Go看似每月10美元随便用，但实际有60美元额度封顶和每5小时12美元的限制，本质是预付费套餐。文章指出，工具厂商希望你多用多花，而你希望少用少花，两者利益相悖。选择鞍具时，token效率直接影响成本，Claude Code等复杂工具可能让简单任务消耗大量token，导致账单飙升。
极简主义的适用边界
Pi的极简设计（约200 token提示词）在测试中表现优异，但并非万能。文章提到，某些模型需要鞍具提供上下文支持，否则表现不稳定。Pi的“裸奔”策略可能在某些模型上翻车。因此，极简主义适合特定模型和工作流，用户需根据自身情况权衡，而非盲目跟风。
工具透明性与控制权
文章强调工具应透明、可控，避免被工具绑架。Pi允许用户自行扩展功能，Herdr提供代理编排和可视化监控，OpenCode Go简化模型入口。这套组合旨在将控制权还给用户，但文章也提醒，这些工具仍在开发中，稳定性有限。用户需自行实验，找到适合自己工作流的配置。
Q&A
什么是AI编程中的harness（鞍具）？它为什么重要？
Harness（鞍具）是包裹AI模型的工具层，包括系统提示词、工具调用、上下文管理等。它决定了模型的使用效率和成本，同一模型在不同harness下表现差异巨大，token消耗可相差六倍。
Pi Agent为什么能实现高完成率和低成本？
Pi Agent通过极简设计实现高完成率和低成本：系统提示词仅约200 token，只提供读、写、编辑、bash四个核心工具，没有子代理、MCP等复杂功能。在Composio测试中，Pi以66.7%的完成率领先，单次成功任务成本仅0.028美元。
OpenCode Go的定价模式是怎样的？它有什么限制？
OpenCode Go每月10美元（首月5美元），提供多个开源编程模型入口，但每月有60美元的使用额度封顶，每5小时滚动限制12美元。实际上是一个预付费套餐，并非真正的无限使用。
Herdr是什么？它如何帮助AI代理协同工作？
Herdr是一个专为AI代理设计的终端多路复用器，用Rust编写，提供纯socket API。它允许代理创建面板、读取输出、等待其他代理完成，从而实现一个主控代理启动多个工作代理，每个代理在自己的工作树中独立工作，所有输出可随时检查。
为什么说Claude Code等复杂工具会消耗更多token？
Claude Code等复杂工具的系统提示词长达上万字，包含行为规则、格式要求、安全约束等，每次调用都会占用大量上下文窗口，导致token消耗剧增。相比之下，Pi的提示词仅200 token，因此成本更低。
模型与harness之间是什么关系？为什么说不是所有模型都适合极简harness？
模型与harness是配对关系，不同模型需要不同的harness支持。例如，Moonshot的模型需要保留思考历史，如果harness不能正确返回，模型表现会不稳定。因此，极简harness并非万能，选择需匹配模型特性。
文章提到的“反工具崇拜”工具箱包括哪些工具？它们各自的作用是什么？
工具箱包括Pi、OpenCode Go和Herdr。Pi负责执行代码任务的harness，OpenCode Go提供模型入口，Herdr负责代理编排。三者共同将控制权还给用户，实现透明、可控的AI编程。
文章对AI编程工具的未来方向提出了什么观点？
文章认为工具应该透明、可控，而不是刷存在感。理想状态是用户打开终端，AI自动完成工作，无需繁琐的弹窗和权限确认。工具越透明，用户越自由。
